|
屋内でスマートフォンユーザが現在地を知る手法としてフィンガープリンティング（以降、FP）が精度と現実性のバランスに優れている。測位精度はセンサデータマップの鮮度に依存しており、従来より巡回ロボットによる自動更新等手法が研究されている中、本研究では固定設置したセンサノードによって収集・蓄積された屋内センサビッグデータを分析することで、それぞれの空間の特徴を捉えた適切なセンサデータマップ構築手法を見いだすことを目的として実施した。
本研究は(1)「屋内センサビッグデータ収集基盤の構築」、(2)「センサビッグデータ解析」、(3)「FP精度の検証」の3フェーズによって計画されており、本年度はこの第2フェーズの一巡目の完了と第3フェーズの着手を目標としている。
本年度は第2フェーズの「周期性・突発的な変動の検出」および「機械学習によるセンサデータの類似パターン検出」について駅コンコースの地磁気観測データを基に電車の発着を検出する研究を完了した。具体的には、3軸地磁気を水平・垂直の2軸に変換して変化点を閾値判定する手法と、3軸地磁気に加えて3軸加速度の値をSVM（Support Vector Machine）で機械学習する手法を比較した結果、後者がF値において0.95を超える結果を得た。
第3フェーズのFP精度の検証については学内での地磁気マップに駅コンコースでの変化傾向を重畳してシミュレーションすることで、第2フェーズで開発した電車発着検知が測位精度向上に貢献することを確認した。
|
